샤오미, 로봇 기반 모델 'Xiaomi-Robotics-1' 공개
원제: Xiaomi-Robotics-1
왜 중요한가
샤오미가 10만 시간 규모의 대규모 실세계 데이터로 로봇 파운데이션 모델의 스케일링 법칙을 실증하며, 로봇 정책 모델의 데이터 장벽 극복 가능성을 제시한 점에서 산업적 의의가 크다.
샤오미는 2026년 7월 16일, 실세계 조작 궤적 10만 시간 이상을 학습 데이터로 활용한 로봇 파운데이션 모델 'Xiaomi-Robotics-1'을 공개했다. 1,700개 이상의 시나리오를 커버하는 대규모 사전 학습과 실로봇 데이터 7,200시간 이상을 활용한 사후 학습의 2단계 방식을 채택하며, 즉시 사용 가능(out-of-the-box) 형태로 제공된다.
샤오미는 2026년 7월 16일, 로봇 파운데이션 모델 'Xiaomi-Robotics-1'을 발표했다. 이 모델은 LLM의 학습 패러다임을 로봇공학에 적용하여 사전 학습(pre-training)과 사후 학습(post-training)의 2단계로 구성된다.
사전 학습 단계에서는 신체 제약 없는 UMI(embodiment-free) 궤적 데이터 10만 시간을 활용했다. 데이터는 가정, 상업 시설, 산업 현장, 야외 공간 등 1,700개 이상의 시나리오를 포함한다. 수동 레이블링이 불가능한 규모이므로, 비전-언어 모델(VLM)을 활용한 자동 주석 파이프라인을 구축했다. 긴 영상을 고정 길이 클립으로 분할하고, 각 클립에서 그리퍼와 상호작용 객체의 상태 전환을 언어로 기술하는 방식이다. 사전 학습 단계에서는 데이터 및 모델 크기가 증가할수록 검증 액션 오류가 꾸준히 감소하는 명확한 스케일링 법칙이 확인되었다.
사후 학습 단계에서는 크로스-엠바디먼트 데이터셋을 활용했다. 자사에서 수집한 실로봇 데이터 7,200시간 이상(소파 정리, 신발장 정리, 주방 용품 수납 등 실제 가정 환경 태스크 포함), 필터링된 오픈소스 로봇 데이터, 고품질 UMI 데이터가 포함된다. 이 단계를 통해 모델은 실제 로봇 신체 구조에 맞게 정렬되고, 자연어 명령을 직접 이해하고 실행하는 능력을 갖추게 된다.
최종적으로 Xiaomi-Robotics-1은 미확인 환경 및 미확인 객체 인스턴스에서도 즉시 사용 가능한 모바일 조작 태스크 수행 능력을 갖추며, 리포트, 코드, 모델이 함께 공개되었다.